【培訓(xùn)對象】
計算機相關(guān)專業(yè)本科；或理工科本科，且至少熟悉一門編程語言。

【培訓(xùn)收益】
掌握數(shù)據(jù)挖掘與機器學習基本知識； 掌握數(shù)據(jù)挖掘與機器學習進階知識； 掌握深度學習的理論與實踐； 掌握Python開發(fā)技能； 掌握深度學習工具：TensorFlow、Keras等； 為學員的后續(xù)項目應(yīng)用提供針對性的建議。

【課程大綱】（培訓(xùn)內(nèi)容可根據(jù)客戶需求調(diào)整）
時間 內(nèi)容 案例實踐與練習
Day1初識機器學習
上午
概述入門
數(shù)據(jù)預(yù)處理 概述（第一天——1）
1、概念與術(shù)語（人工智能、數(shù)據(jù)挖掘、機器學習）
2、數(shù)據(jù)挖掘的對象
3、數(shù)據(jù)挖掘的關(guān)鍵技術(shù)
4、知識的表達
5、Python的安裝

數(shù)據(jù)預(yù)處理（第一天——2）
1、數(shù)據(jù)清理
2、規(guī)范化
3、模糊集
4、粗糙集
5、無標簽時：PCA
6、有標簽時：Fisher線性判別
數(shù)據(jù)壓縮（DFT、小波變換） 案例實踐：
1、python安裝
2、Tensorflow安裝
3、PCA的實驗
4、DFT的實驗
Day1初識機器學習
下午
回歸與時序分析
決策樹 回歸與時序分析 （第一天——3）
1、線性回歸
2、非線性回歸
3、logistics回歸
4、平穩(wěn)性、截尾與拖尾
5、ARIMA

決策樹（第一天——4）
1、分類和預(yù)測
2、熵減過程與貪心法
3、ID3
4、C4.5
5、其他改進方法
決策樹剪枝 案例實踐：
1、回歸的實驗
2、ARIMA預(yù)測實驗
3、決策樹的實驗

Day2機器學習中的典型算法
上午
聚類
關(guān)聯(lián)規(guī)則
樸素貝葉斯與KNN 聚類（第二天——1）
1、監(jiān)督學習與無監(jiān)督學習
2、K-means與k-medoids
3、層次的方法
4、基于密度的方法
5、基于網(wǎng)格的方法
6、孤立點分析

關(guān)聯(lián)規(guī)則（第二天——2）
1、頻繁項集
2、支持度與置信度
3、提升度
4、Apriori性質(zhì)
5、連接與剪枝

樸素貝葉斯與KNN（第二天——3）
1、KNN
2、概率論基礎(chǔ)：條件概率、聯(lián)合概率、分布、共軛先驗。
3、“概率派”與“貝葉斯派”
4、樸素貝葉斯模型
案例實踐：
1、鳶尾花數(shù)據(jù)的聚類
2、超市購物籃——關(guān)聯(lián)規(guī)則分析
3、樸素貝葉斯案例：皮馬印第安人患糖尿病的風險
Day2機器學習中的典型算法
下午
極大似然估計與EM算法
性能評價指標 極大似然估計與EM算法（第二天——4）
1、極大似然估計
2、對數(shù)似然函數(shù)
3、EM算法

性能評價指標（第二天——5）
1、準確率；精確率、召回率；F1
2、真陽性率、假陽性率
3、混淆矩陣
4、ROC與AUC
5、對數(shù)損失
6、Kappa系數(shù)
7、回歸：平均絕對誤差、平均平方誤差
8、聚類：蘭德指數(shù)、互信息
9、k折驗證 案例實踐：
1、正態(tài)分析的參數(shù)估計
2、EM算法應(yīng)用案例：雙正態(tài)分布的參數(shù)估計
3、繪制ROC并計算AUC、F1
4、繪制擬合曲線，計算擬合優(yōu)度
Day3神經(jīng)網(wǎng)絡(luò)專題
上午
BP神經(jīng)網(wǎng)絡(luò)
模擬退火算法與其他神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) （第三天——1）
1、人工神經(jīng)元及感知機模型
2、前向神經(jīng)網(wǎng)絡(luò)
3、sigmoid
4、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
5、誤差反向傳播

模擬退火算法與其他神經(jīng)網(wǎng)絡(luò) （第三天——2）
1、模擬退火算法
2、Hopfield網(wǎng)絡(luò)
3、自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOM）
4、受限布爾茲曼機 案例實踐：
1、可以手算的神經(jīng)網(wǎng)絡(luò)
2、神經(jīng)網(wǎng)絡(luò)模擬一個圓錐曲面
3、“貨郎擔”問題（模擬退火算法）
4、識別破損的字母（Hopfield網(wǎng)絡(luò)）
5、聚類的另一種解法（SOM）
Day3神經(jīng)網(wǎng)絡(luò)專題

下午
機器學習中的最優(yōu)化方法
遺傳算法 機器學習中的最優(yōu)化方法（第三天——3）
1、參數(shù)學習方法
2、損失函數(shù)（或目標函數(shù)）
3、梯度下降
4、隨機梯度下降
5、牛頓法
6、擬牛頓法

遺傳算法 （第三天——4）
1、種群、適應(yīng)性度量
2、交叉、選擇、變異
3、基本算法 案例實踐：
1、隨機梯度下降的例子
2、牛頓法求Rosenbrock(香蕉函數(shù))的極值
3、“同宿舍”問題：遺傳算法

Day4機器學習進階
上午
支持向量機
隱馬爾科夫模型 支持向量機 （第四天——1）
1、統(tǒng)計學習問題
2、支持向量機
3、核函數(shù)
4、多分類的支持向量機
5、用于連續(xù)值預(yù)測的支持向量機

隱馬爾科夫模型（第四天——2）
1、馬爾科夫過程
2、隱馬爾科夫模型
3、三個基本問題（評估、解碼、學習）
4、前向-后向算法
5、Viterbi算法
6、Baum-Welch算法
案例實踐：
1、SVM：iris的三個分類
2、HMM示例：天氣與地表積水、罐中的彩球
3、HMM之前向算法：擲骰子的序列
4、HMM之viterbi算法：是否生病了？
Day4機器學習進階
下午
文本挖掘
從LSA到LDA 文本挖掘（第四天——3）
1、文本分析功能
2、文本特征的提取
4、TF-IDF
5、文本分類
5、文本聚類

從LSA到LDA（第四天——3）
1、LSA
2、pLSA
3、LDA
案例實踐：
1、英文文本分析；
2、中文文本分析：《絕代雙驕》
3、中文語句情感分析
4、LSA和LDA的比較

Day5機器學習進階與深度學習初步
上午
利用無標簽的樣本
集成學習 利用無標簽的樣本（第五天——1）
1、半監(jiān)督學習
2、直推式學習
3、主動學習

集成學習（第五天——2）
1、bagging
2、co-training
3、adaboost
4、隨機森林
5、GBDT 案例實踐：
1、半監(jiān)督學習：SVM標簽擴展；
2、主動學習：手寫數(shù)字
3、bagging、adaboost、RF、GBDT的例子
Day5機器學習進階與深度學習初步
下午
強化學習
深度學習-1 強化學習（第五天——3）
1、agent的屬性
2、exploration and exploitation
3、Bellman期望方程
4、最優(yōu)策略
5、策略迭代與價值迭代
6、Q學習算法

深度學習-1（第五天——4）
1、連接主義的興衰
2、深度學習與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系
3、目標函數(shù)
4、激勵函數(shù)
學習步長 案例實踐：
1、強化學習示例：走迷宮
2、強化學習：谷底的小車
3、深度學習示例：模式識別
Day6深度學習
上午
深度學習-2
深度學習-3 深度學習-2（第六天——1）
1、優(yōu)化算法
2、Adagrad
3、RMSprop
4、Adam
5、避免過適應(yīng)

深度學習-3（第六天——2）
1、典型應(yīng)用場景
2、CNN
3、各種CNN
4、RNN
LSTM、GRU 案例實踐：
1、CNN的準備示例
2、CNN處理MNIST手寫數(shù)字數(shù)據(jù)集
3、RNN準備示例
4、RNN分析股票趨勢
5、LSTM的準備示例

Day6深度學習
下午
深度學習-4 1、GAN
2、DQN
案例實踐：
1、DQN結(jié)合CNN：“flappy bird”

【授課環(huán)境】
講課環(huán)境要能上網(wǎng)

【預(yù)裝機要求】
要裝Tensorflow和anaconda+python這兩個軟件，
其中anaconda+python下載地址是：https://www.anaconda.com/download/#macos；

其中Tensorflow的安裝方法：
如果是沒有GPU設(shè)備的機器：先裝anaconda+python，然后在python環(huán)境中，pip install tensorflow即可；
如果是有GPU設(shè)備的機器，參考以下教程：https://blog.csdn.net/gangeqian2/article/details/79358543或https://blog.csdn.net/weixin_39290638/article/details/80045236 

 

葉梓，上海交通大學計算機專業(yè)博士畢業(yè)，高級工程師。主研方向：數(shù)據(jù)挖掘、機器學習、人工智能。歷任國內(nèi)知名上市IT企業(yè)的AI技術(shù)總監(jiān)、資深技術(shù)專家，市級行業(yè)大數(shù)據(jù)平臺技術(shù)負責人。

 

長期負責城市信息化智能平臺的建設(shè)工作，開展行業(yè)數(shù)據(jù)的智能化應(yīng)用研發(fā)工作，牽頭多個省級、市級行業(yè)智能化信息系統(tǒng)的建設(shè)，主持設(shè)計并搭建多個省級、市級行業(yè)大數(shù)據(jù)平臺。參與國家級人工智能課題，牽頭上海市級人工智能示范應(yīng)用課題研究。

 

帶領(lǐng)團隊在相關(guān)行業(yè)領(lǐng)域研發(fā)多款人工智能創(chuàng)新產(chǎn)品，成功落地多項大數(shù)據(jù)、人工智能前沿項目，其中信息化智能平臺項目曾榮獲：“上海市信息技術(shù)優(yōu)秀應(yīng)用成果獎”。帶領(lǐng)團隊在參加國際NLP算法大賽，獲得Top1%的成績。參與國家級、省級大數(shù)據(jù)技術(shù)標準的制定，曾獲省部級以上的科技創(chuàng)新一等獎。

 

1.      論文發(fā)表/項目經(jīng)歷

在國內(nèi)外期刊、會議中發(fā)表論文27篇，其中被SCI/EI收錄4篇

 

項目經(jīng)歷：

l  上海市城市信息化人工智能項目 項目負責人

ü  研發(fā)智能服務(wù)系統(tǒng)，包括：元宇宙與虛擬數(shù)字人、基于人工智能的內(nèi)容生成（AIGC）、基于NLP技術(shù)的對話系統(tǒng)、基于深度學習的圖像識別系統(tǒng)、基于智能推理的行業(yè)推薦系統(tǒng)。

相關(guān)工作：

作為項目總負責，負責項目管理、產(chǎn)品研發(fā)、系統(tǒng)分析、技術(shù)指導(dǎo)、算法指導(dǎo)等。

 

l  上海市城市智能信息化工程 總工程師

ü  采用大數(shù)據(jù)技術(shù)，建設(shè)市級信息平臺，完成試點單位接入并采集居民相關(guān)信息，實現(xiàn)市級平臺檔案等服務(wù)，并實現(xiàn)所有單位的全面接入。

ü  為解決超量數(shù)據(jù)的存儲與計算的問題，搭建了存儲全市數(shù)據(jù)的云計算平臺，并在其上進行了基于大數(shù)據(jù)的分析和挖掘工作。

相關(guān)工作：

作為總工程師，負責技術(shù)管理、系統(tǒng)分析、云平臺數(shù)據(jù)存儲設(shè)計、數(shù)據(jù)分析與挖掘指導(dǎo)、開發(fā)指導(dǎo)。

 

l  上海市城市信息化領(lǐng)域智能聯(lián)網(wǎng)工程 技術(shù)經(jīng)理

ü  建設(shè)內(nèi)容包括：接入單位的聯(lián)網(wǎng)；智能卡的實現(xiàn)；城市信息化智能平臺的升級；科研平臺的擴展與升級；建立決策支持系統(tǒng)；評估體系的展示設(shè)計；短信平臺的實現(xiàn)；違規(guī)操作的提醒；協(xié)同智能服務(wù)平臺的實現(xiàn)等。

相關(guān)工作：

作為技術(shù)經(jīng)理負責總體架構(gòu)設(shè)計、接口設(shè)計、大數(shù)據(jù)平臺設(shè)計、AI技術(shù)指導(dǎo)等。

 

 

3. 主攻方向

具有扎實的數(shù)據(jù)挖掘、機器學習、深度學習等人工智能理論基礎(chǔ)；了解AIGC等技術(shù)前沿動態(tài)。

精通機器學習、深度學習的理論、模型、算法、調(diào)優(yōu)等；精通算法設(shè)計；

熟悉深度學習在自然語言處理、計算機視覺兩大核心領(lǐng)域的實用技巧；

15年以上的程序開發(fā)經(jīng)驗，熟悉常用程序開發(fā)架構(gòu)，獨立完成多個產(chǎn)品級軟件的設(shè)計與開發(fā)。

 

• 人工智能機器學習算法在項目中的實戰(zhàn)

   

  一．介紹機器學習，什么是機器學習a) 簡單介紹機器學習，數(shù)據(jù)挖掘b) 機器學習和數(shù)據(jù)挖掘的基本概念和原理c) 機器學習用來解決什么問題機器學習的應(yīng)用場景1) 機器學習應(yīng)用場景之一------分類以及分類的應(yīng)用場景a) 分類概念b) 分類的應(yīng)用c) 分類和聚類、推薦的區(qū)別d) 分類工作原理e) 分類中概念術(shù)語..

  ￥   元/ 天

  人氣：943  

  

• 人工智能機器學習與深度學習實戰(zhàn)案例及應(yīng)用

   

  章節(jié) 內(nèi) 容 第一節(jié) ..

  ￥   元/ 天

  人氣：883  

  

• 機器學習閉環(huán)系統(tǒng)設(shè)計方法

   

  第一章. 機器學習和深度學習系統(tǒng)設(shè)計方法論a)機器學習和深度學習的概念和區(qū)別b)人工智能算法工程師的日常工作流程c)傳統(tǒng)機器學習的系統(tǒng)設(shè)計方法d)人工智能時代深度學習的系統(tǒng)設(shè)計方法第二章.機器學習和深度學習人工智能的常見開發(fā)流程a)洞悉公司業(yè)務(wù)業(yè)務(wù)邏輯痛點，抽象出計算機解決方法方案b)數(shù)據(jù)清洗和預(yù)處理c)構(gòu)建數(shù)據(jù)集，數(shù)..

  ￥   元/ 天

  人氣：913  

  

• 人工智能深度學習培訓(xùn)大綱

   

  時間安排 課程內(nèi)容 第 一 ..

  ￥   元/ 天

  人氣：959  

  

• 北京游學京東游學考察學習培訓(xùn)

   

  游學京東行程安排（第一天） 時間 具體安排 ..

  ￥   元/ 天

  人氣：1040  

  

• 北京海底撈公司游學考察學習培訓(xùn)

   

  【考察背景】海底撈成立于1994年，是一家以經(jīng)營川味火鍋為主、融匯各地火鍋特色為一體的大型跨省直營餐飲品牌火鍋店，全稱是四川海底撈餐飲股份有限公司。在簡陽、北京、上海、沈陽、天津、武漢、石家莊、西安、鄭州、南京、廣州、杭州、深圳、成都、韓國、日本、新加坡、美國等城市和國家有百余家直營連鎖餐廳。海底撈從1994年成立之初到現(xiàn)在，22年間以獨特的經(jīng)營..

  ￥   元/ 天

  人氣：1402